大数据自适应学习分析模型研究

摘要：当前我国科学技术发展速度不断加快，传统教学模式已经无法满足现阶段人们的实际需求。在互联网的背景下，人们对于个性化的重视程度不断加深，在进行学习时，更喜欢用自己的方式。终身学习、碎片化学习以及移动学习等新兴的学习方式，让人们有更多的选择。自适应学习可以满足人们个性化的需求，因此当前对于自适应学习设计进行研究分析，可以为之后自适应学习系统的发展提供相关的理论依据。本文对于大数据分析以及应用现状进行阐述，分析基于大数据的自适应学习模型，探讨自适应学习设计未来发展趋势，希望可以推动我国自适应学习方式得到进一步的发展。

关键词：大数据；自适应学习；模型

现阶段大数据以及互联网等信息技术的新兴，使远程教育以及在线学习等自主方式得以实现。就目前的情况分析，我国普遍使用的网络在线平台有MoodleSaKai或者Blackboard等网站，这些平台对于教师课程管理及教学管理较为重视，可以为人们提供更加自主的学习服务。但是其中学习界面、学习顺序以及学习资源依旧属于重复出现的状态，无法较好地调动起人们的学习积极性。在大数据的前提下，可以使远程教育将规模化和个性化达到一定的平衡，有效地满足人们个性化需求。通过大数据分析，能够对于学习者自身的学习特征、学习的实际规律以及学习者当前最为迫切的需求，进行认知，从而有针对性地进行自适应学习设计，打造个性化学习方式。利用大数据进行分析，得到的结果可以对学习者可能需求或者爱好的资源进行推荐，满足其个性化需求。

一、大数据分析以及应用现状

近些年来我国经济发展速度增快，大数据分析技术受到了各个领域的重视。通过使用大数据技术，可以对于原始性的数据进行分析以及合理地推算预测，将所收集的数据直观性地展现出来。但是也有人认为，大数据技术在进行分析的过程中，忽略了准确性，只是对于事物发生变化规律的分析，并没有对其内在的因果进行分析。这使得我国自适应学习在发展的过程中，较难使用大数据分析技术。一方面是由于我国自适应学习设计数据除了具备数据量大的特点之外，还具备区域种类多、较为复杂，会出现较大的差异，并且对于某一块学科自适应学习设计进行数据分析时，总量可能并不大，所以无法进行大数据分析技术的利用[1]。另一方面，我国自适应学习设计的相关数据之间存在着鲜明的区别，如果仅仅只是对于数据之间的关系变化进行分析，其中内在的因果无法进行确定，那么使用大数据分析技术得到的结果并无法保障实际价值。当前对于我国自适应学习设计的相关数据的特征进行科学合理地分析，建立相应的数据分析流程。在进行数据分析的时候，需要根据实际的具体情况将数据合理地运用在自适应学习设计分析流程中。所谓的数据准备并不仅仅是指数据的样本，而是根据实际情况的目标分析，从数据库中将有关的数据全部调取出进行准备，并且需要专业的技术人员，根据实际的情况对于调取出的数据进行挑选清理，将其中不符合常规、出现重复以及没有实际作用的数据进行清理。在数据挖掘的过程中，需要与我国自适应学习设计实际情况相结合，根据数据的类型、格式以及出现的具体化问题进行分析。对于将发掘的方式进行综合化的对比，选择最合适的方式，便于我国自适应学习设计相关数据的整理，加快数据的处理效率，并对于数据所展示出的内在含义进行分析，得到其中存在的规律。专业的技术人员需要将根据实际情况采集到的数据进行分析处理，并且对结果结合实际情况，通过表面的问题找出内在的关系，进一步找到对于方案的优化措施，这一系列的行为便被称为诊断剖析。在进行方案的优化过程中，应该具有针对性，可以对于其中的问题进行具体化分析，并且预测出方案进行后的效果，找出解决的措施。实施评价则是在进行方案的强化后，对于实施的效果进行评价，并且把实施之前以及实施之后的效果相对比，分析以及总结其中的不足之处，并且将其记录到数据库中，为之后的大数据分析进行铺垫。应该注意的一点，便是在进行自适应学习设计大数据分析的过程中，需要进行不断的优化，分析以及发展[2]。在数据分析流程中，如果其中某一环节没有达到预期的效果，那么便相当于失败。需要对于之前的每一步进行重新调整，保障数据分析达到预期的目标。除此之外，当数据不断增加后，生产状态会出现变动，这便需要不断进行大数据分析以及方案优化，以便达到预期的目标效果。

二、基于大数据的自适应学习分析模型研究

（一）基于大数据的个性化自适应学习过程结构。第一，历史数据库。通过收集现有的学院人员、开设课程数量、奖励等相关的历史数据，建立数据库，方便了解学习者在进行学习时最普遍化的特征。第二，在线学习平台。对于现有的在线学习平台进行分析，了解不同层次的教学任务，反映了不同的在线学习特征，并且将相关数据录入历史数据库之中。第三，大数据进行分析的模块。该模块主要是在历史数据库的基础之上，将学习者的学习相关数据以及课程的历史数据，进行整合归纳分析，从而对学习者的特点进行预测，设定属于他的设计方案。第四，个性化学习推荐引擎。该系统在进行大数据分析之后，会根据分析以及预测的实际结果，将学习者可能感兴趣的内容、学习方式进行推送，保障学习者的实际需求，得到相应的满足。（二）基于大数据的个性化自适应学习模型的设计。本文将大数据作为根本，建立具有个性化的自适应学习分析模型，如图1。1.学习环境。所谓的自适应学习，就是一种个性化的学习方式，并不是独立化的学习系统，学习环境之中需要有较为良好的组织反馈。这里所说的学习环境，主要是指学习资源、平台以及工具等。自适应学了要组建学习平台，还需要有较好的外部环境，例如博客或者维基等媒体。从而使学习参与者能够利用各类学习环境，产生大量的数据，再利用大数据分析，对之后的学习者喜好预测、学习干预等提供相应的理论依据[3]。2学习分析。在进行学习分析时，除了要对于自适应学习平台进行全面的分析，也要对相关的系统，还有相关的历史数据进行分析。例如对于其他学习平台中的历史数据，在进行大数据分析之后，便可以对学习者具有的普遍特征进行定义，从而将其作为该学习平台最基本的定义模板。在进行大数据分析时，最主要选择的方式有统计法、个性化推荐、知识可视化以及网络分析等。3目标。所谓目标，便是指学习者在进行自适应学习之后，应完成的目标。对于系统平台进行分析，两个最为重要的实现目标便是自适应以及个性化推荐。自适应主要是指，远程学习方式中学习者可以主动自觉进行学习，并且根据自身实际情况，制定相应的学习计划，自觉选择合适的学习方案，对于自身进行自我评估。个性化推荐，则是指系统在对于学习者进行大数据分析之后，推荐学习者喜好并且需求的学习方式，从而满足学习者的实际需求[4]。

三、自适应学习设计未来发展趋势

（一）合理利用多媒体，便于学习者理解。教师在进行教学时，可以利用多媒体等先进的设备，使课堂的教学环境较为轻松活跃，提高学习者对于课程的学习兴趣[5]。例如在学习芳香烃、卤代烃、醇酚醛酮、羧酸、糖等有机化合物的性质时，使用多媒体加强对于知识点的认知。将有机化学实验的知识点和现代的科学技术手段相结合，也更加符合当前现代化的学习管理理念。因此多媒体教学可以使得抽象的有机化学知识点具象化，并且还可以满足学习者的个性化需求[6]。（二）使用慕课网络在线教学资源。使用慕课时，学习者可以利用笔记本电脑、平板以及手机，对于课程进行学习。在学习的过程之中，可以依据自身的实际情况，选择合适的时间以及地点进行反复性的观看，从而保障自身未理解或者记忆不清的知识点可以学习透彻，加深学习者对于知识点的印象[7]。另外教师也可以通过慕课平台对于学习者在线学习的情况进行统一的管理，例如课程观看的时间，课后习题的错误率，讨论问题的帖子数量等，这样对于老师进行评判学习者成绩的问题有着十分大的帮助[8]。

四、结论

所谓个性化学习，是当前人们长久以来期盼的一项愿望。近些年我国互联网技术的快速发展，为个性化学习，提供了可以实现的数据平台以及相应的技术能力。但是想要在当前真正实现个性化学习这一目的，不仅仅要依赖对于数据的深度分析以及挖掘，更要将自适应学习系统作为中介，从而保障学习者的个性化以及实际需求得到满足，实现更加自由以及平等的可持续性教育。

参考文献：

[1]张晨，等.基于多核学习的自适应DDoS攻击检测方法[J].计算机工程与科学，2019(8):1381-1389.

[2]袁霄，等.基于数据分析的初中生自适应学习系统的设计与开发[J].中国教育信息化，2019(10):87-90.

[3]张旭.人工智能背景下高职教育自适应学习模式可行性及发展路径研究[J].信息记录材料，2019(6):33-35.

[4]张玉川.基于大数据的自适应学习系统与教师因材施教的结合点——以对句酷网自动反馈的解读为例[J].现代职业教育，2018(34):12-13.

[5]吴元君.基于教育大数据的个性化自适应学习服务研究——以安徽广播电视大学为例[J].广西民族师范学院学报，2019，36(3):77-78.

[6]史玉琢.人工智能+校企协同育人云平台数据支持下的自适应学习研究[J].信息记录材料，2019(5):243-244.

[7]郭海湘，等.基于差分演化的自适应集成学习算法在不均衡数据分类中的应用[J].系统工程理论与实践，2018，38(5):1284-1299.

[8]李玲静，汪存友.学习分析支持下的自适应学习平台[J].成人教育，2019(7):29-34.

作者:王玉琼 单位:阜阳职业技术学院